Was wir erforschen
Unser Tech-Radar zeigt, welche Technologien wir aktiv einsetzen, testen, evaluieren oder beobachten – transparent und nachvollziehbar.
Produktionsreif und aktiv im Einsatz
In der Pilotphase mit realen Daten
Wird aktiv untersucht und bewertet
Auf dem Radar, noch nicht aktiv
Klinische Textanalyse mit medizinisch feinabgestimmten LLMs
Automatische Transformation in FHIR-Ressourcen
Semantische Codierung klinischer Begriffe
Nächste Generation des FHIR-Standards evaluieren
Dezentrales Modelltraining ohne Datenaustausch
Spracherkennung direkt in strukturierte Daten
Kombination von Text, Bild und Labordaten
Quantencomputing für komplexe Sprachmodelle
NLP-Modelle direkt auf Endgeräten ausführen
Generierung synthetischer klinischer Trainingsdaten
Dezentrale Gesundheitsdaten-Verwaltung
Digitale Patientenmodelle für Simulation
Experimentieren. Validieren. Skalieren.
Im DEM.AI Lab können Sie neue NLP-Modelle in einer sicheren Sandbox-Umgebung testen – ohne Risiko für Produktionsdaten.
Isolierte Umgebung
Jedes Experiment läuft in einer isolierten Sandbox – Ihre Produktionsdaten bleiben unberührt.
Versionierung
Jedes Experiment wird versioniert. Vergleichen Sie Ergebnisse verschiedener Modelle und Konfigurationen.
Benchmark-Suite
Automatisierte Benchmarks messen Präzision, Recall, F1-Score und Latenz jedes Modells.
Reproduzierbar
Alle Experimente sind vollständig reproduzierbar – Seeds, Konfigurationen und Daten werden gespeichert.
Von der Idee zum Produkt
Jede Innovation durchläuft unseren strukturierten Forschungsprozess – von der Hypothese über die Validierung bis zum Produktionseinsatz.
Hypothese & Forschung
Identifikation neuer Ansätze aus der aktuellen Forschung. Literaturrecherche, Machbarkeitsstudien und erste Konzepte.
Prototyp & Experiment
Entwicklung eines Prototyps in der Sandbox. Erste Tests mit synthetischen und anonymisierten klinischen Daten.
Validierung & Benchmark
Systematische Evaluation mit standardisierten Benchmarks. Vergleich mit bestehenden Modellen und Baseline-Metriken.
Integration & Rollout
Erfolgreiche Modelle werden in die Produktionspipeline integriert. Monitoring und kontinuierliche Verbesserung.
Woran wir gerade arbeiten
Negationserkennung 2.0
Verbessertes Modell zur Erkennung von Negationen in komplexen deutschen klinischen Sätzen.
Radiologie-NER
Spezialisiertes NER-Modell für radiologische Befundtexte mit anatomischen Lokalisierungen.
Multilingual Pipeline
Erweiterung der NLP-Pipeline für französische und italienische klinische Texte.
LOINC Auto-Mapping
Automatische Zuordnung von Laborwerten zu LOINC-Codes ohne manuelle Konfiguration.
Therapieplan-Extraktion
Erkennung und Strukturierung von Therapieplänen aus Arztbriefen und Verlaufsdokumentationen.
Echtzeit-Streaming
Streaming-basierte NLP-Analyse für Echtzeit-Feedback während der Dokumentation.